海南省萬泉河主流水域遙感測量研究——以瓊海市為例

陳瑞偉 梁生錚

（瓊海市國土資源信息與測繪中心，海南 瓊海 571400）

1 引言

河流湖泊作為陸地水圈的重要組成部分，在全球生態環境中扮演著重要角色，參與自然界的水分循環，是泥沙、鹽類等進入海洋的重要通道。河流的空間位置、水面寬度等信息是氣候變化的重要指示因子，更是生態環境研究的主要對象之一[1-3]。傳統的河流提取為人工基于影像勾畫邊界[4-5]，需投入大量人力物力，時效性低。而遙感技術具有時效性強、數據獲取簡單、大面積同步觀測等優勢，是目前河流湖泊信息提取的主要數據源，國內外學者基于此開展了許多有意義的工作[6]。水體在遙感影像中具有顯著的光譜特征，在可見光波段有較強的反射，在近紅外波段有較強的吸收。從影像中提取湖泊的單波段閾值法直接采用了水體在近紅外波段的吸收特征[7]，如利用Landsat8影像近紅外波段直接進行影像分割[8]，得出水體區域；而波段比值法和水體指數法同時考慮了水體在可見光波段和近紅外波段的反射、吸收特性，以更好地將水體與其他地物分開[9]。影像分類方法也可較好地提取出水體信息。本文基于Sentinel-2影像，采用面向對象分類方法進行瓊海市萬泉河主流水域的遙感提取，以達到快速準確獲取河流信息的目的。

2 研究區及數據介紹

瓊海是海南省一個縣級市，地處東經110°7′5"至110°40′50" ，北緯18°58′50"至19°28′35"，位于海南省東側、萬泉河下游。衛星影像如圖1所示。

圖1 瓊海市衛星影像圖

本文研究采用的數據為Sentinel-2影像，Sentinel-2是高分辨率多光譜成像衛星，攜帶一枚多光譜成像儀（MSI），分為A/B兩顆衛星，一顆衛星重訪周期為10天，兩顆互補重訪周期為5天。Sentinel-2影像具有13個波段，涵蓋了可見光、近紅外、短波紅外波普范圍，并且具有3個紅邊波段[10]。Sentinel-2衛星影像具有覆蓋范圍廣、波段多、分辨率高等優點，可用于本研究的萬泉河遙感提取。

3 原理及方法

本研究采用面向對象分類方法進行萬泉河水域遙感提取。面向對象方法的提取類似決策樹的構思，從簡到繁，先剔除其他無關信息，再經過多次篩選找出有用的地物類別，實現地物的分層提取。與傳統分類方法相比，其最大的不同是：面向對象分類方法的操作尺度單元不是基于單個像素，而是基于影像對象。面向對象分類方法分為：多尺度分割、特征選擇、規則建立與分類。面向對象分類具體流程如圖2所示。

圖2 面向對象分類流程

同時，本研究對比面向對象分類方法與非監督分類（Isodata、K-means）、監督分類（最大似然法、支持向量機、神經網絡法、平均光譜角）的分類精度，并描述不同分類方法在本研究中的優缺點。

4 結果與分析

4.1 面向對象水域提取

對瓊海市Sentinel-2影像進行空間分割，通過調整不同分割閾值，得到不同分割程度的對象。如圖3（a）所示，當分割閾值調整到90，可較好地區分出水體信息；如圖3（b）所示，當分割尺度調整到70，可以較好地區分出耕地與林地信息 ；如圖3（c）所示，當分割尺度調整到40，則可較好地識別出獨棟建筑等信息。基于此，可進行不同類型的樣本選擇。

圖3 不同分割尺度的分割效果圖

在分割的基礎上進行樣本選取，該方法所選取的是分割后的對象，與傳統監督分類方法勾畫的樣本不同，分割對象具有完整的地塊信息，與相鄰地塊對象在不同特征上存在一定的相異性，可為后期樣本訓練提供較純凈的像元信息。本研究共選取水域、耕地、建筑、林地四類作為分類指標，每類樣本選取20塊，保證樣本量平衡，各樣本空間分布如圖4所示，其中，林地樣本集中在南部及西北部、耕地樣本集中在東北部與東部，這與瓊海市地貌覆蓋情況相符。

圖4 樣本空間分布圖

通過面向對象分類，得到以下結果（如圖5所示）：利用該方法進行瓊海市萬泉河遙感提取研究，萬泉河干流水域完全解譯了出來，萬泉河呈“幾”字形流經瓊海市南部地區，并在東南側入海。整體來說，提取效果好、精度較高，未出現斷流現象，并且河岸的淺水區也得到較高精度的識別，未出現少提取現象。萬泉河部分干流河岸曲折蜿蜒，在遙感提取成果中也有較好的體現，完好地區分出了水域與河灘地。對萬泉河流域遙感提取成果進行面積計算，瓊海市域萬泉河干流面積為23.165平方公里。

圖5 萬泉河遙感提取整體成果與局部效果圖

針對瓊海市萬泉河遙感提取，本研究同樣采用非監督分類與監督分類方法進行遙感提取，分別以Isodata算子、K-means聚類、最大似然法、支持向量機、神經網絡法、平均光譜角等方法進行遙感識別，采用混淆舉證進行精度驗證，最終精度如圖6所示：整體來說，分類精度最高的為面向對象，即本研究所采用的研究方法，精度達到89.4% ；其次是支持向量機，分類精度為87.8% ；分類精度最低的為非監督分類，即Isodata算子、K-means聚類兩種方法，究其原因是非監督分類在進行聚類分析時，對混合像元的處理不如監督分類等，且不能將同物異譜、異物同譜情況很好地區分開來。

圖6 不同分類器水體識別精度對比

5 結論

本研究采用Sentinel-2影像作為數據源進行瓊海市萬泉河干流水域遙感測量，采用面向對象方法進行遙感提取，整體精度較高，且局部提取效果較好，完整地提取出了水域信息。通過不同分類器的提取精度對比分析發現，本研究采用的面向對象分類方法在研究區內有最高的分類精度。本研究充分證明了遙感手段在河流信息提取方面的可用性及推廣性，可為后期的相似工作提供良好的參考性。